徽声在线4月19日消息 在多数人的固有认知中，芯片的发展轨迹似乎总是遵循着摩尔定律，朝着更小、更精密的方向不断演进。然而，OpenAI近期的一项重大举措却打破了这一常规认知，以一笔巨额订单向世人宣告，即便反其道而行之，在竞争激烈的AI产业赛道上，依然能够占据一席之地。

据权威媒体披露，OpenAI已与芯片设计领域的创新企业Cerebras达成了一项具有里程碑意义的协议。根据协议内容，OpenAI承诺在未来三年内，将支付超过200亿美元的巨额资金，用于使用由Cerebras芯片驱动的服务器。不仅如此，OpenAI还计划向Cerebras提供约10亿美元的资金支持，助力其开发能够高效运行OpenAI人工智能产品的数据中心。

这一协议的签署，不仅意味着双方合作的深度与广度，还为OpenAI带来了潜在的战略利益。据悉，OpenAI有望获得Cerebras约10%的认股权证，并且随着对Cerebras投资力度的不断加大，其持股比例还有可能进一步提升。

深入剖析这笔交易，不难发现其背后的战略考量。当前，OpenAI正处于“去英伟达”战略的关键转型期，旨在通过多元化的硬件布局，降低对英伟达芯片的依赖程度，以增强自身在AI领域的自主性与竞争力。而Cerebras的技术路径，无疑为OpenAI提供了全新的选择。与英伟达，甚至与绝大多数AI芯片初创企业截然不同的是，Cerebras并未选择通用GPU或ASIC作为发展方向，而是独辟蹊径，专注于研发“像餐盘一样大”的晶圆级引擎（WSE）。

Cerebras最新一代的晶圆级引擎——WSE-3，于2024年震撼发布，被誉为“迄今为止最大的AI芯片”。这款芯片内部集成了高达90万个计算核心，配备了44GB的片上内存以及惊人的21PB内存带宽，总面积达到46225平方毫米，是英伟达B200芯片的56倍之多。

在性能表现方面，WSE-3同样令人瞩目。它包含了多达4万亿个晶体管，与英伟达B200相比，片上内存容量高达其250倍，内存带宽更是达到了惊人的2625倍。

▌片上存储：破解数据搬运瓶颈的关键

Cerebras的芯片设计理念独树一帜，其核心思路是将所有的计算与存储资源高度集成于一块巨型芯片之上，从而有效破解数据在搬运过程中耗时耗能的难题。这一创新设计，为AI芯片的发展开辟了新的道路。

具体而言，Cerebras采用了静态随机存取存储器（SRAM）作为片上存储方案。通过将数据直接存储在芯片内部，极大地减少了数据在芯片与外部存储硬件之间来回传输的需求。而这一数据搬运过程，恰恰是英伟达等传统系统所面临的潜在瓶颈之一。

资料显示，SRAM的每个存储单元由4 - 6个晶体管组成触发器结构。只要持续供电，触发器就能稳定保持数据状态，无需额外的刷新操作。这一特性使得SRAM的读写速度极快，访问时间仅约10纳秒甚至更低，远超动态随机存取存储器（DRAM）的访问速度。

Cerebras的WSE-3芯片被部署在其CS - 3系统中，多个CS - 3系统通过高速连接技术紧密相连，可形成功能强大的Cerebras AI超级计算机。这台超级计算机能够作为单个逻辑计算机，进行大规模的AI训练和推理任务。据可靠消息透露，OpenAI有望在2026至2028年期间，将规模达750MW的Cerebras芯片集成到其AI推理计算资源库中，进一步提升其AI计算能力。

从行业发展的宏观角度来看，SRAM架构正逐渐进入主流视野。以Groq公司为例，其LPU单芯片内集成了约230MB的片上SRAM，存储带宽高达80 TB/s。根据Artificial Analysis的独立基准测试结果显示，Groq LPU芯片在不同上下文长度下，均能维持稳定的推理速度，达到275 - 276token/s，显著优于其他推理平台，充分展现了SRAM架构在AI推理领域的巨大潜力。

展望未来，3D堆叠方案有望为片上SRAM的应用开辟更广阔的空间。随着AI技术的不断发展，对芯片性能的要求也日益提高，片上SRAM面临着工艺缩放比逻辑电路慢等问题，导致在单枚芯片上SRAM占用的面积较大、成本提升。基于此，部分投资者曾对SRAM架构能否成为AI芯片内存的主要方案表示质疑。

然而，东方证券等权威机构认为，SRAM 3D堆叠方案通过垂直堆叠存储单元的方法，能够有效提升存储密度，规避传统SRAM容量受面积密度限制的问题，可能在未来拓展其应用范围。展望未来，若AI推理任务中需要实现更高容量的SRAM，3D堆叠方案有望成为重要的技术突破口，为AI芯片的发展注入新的活力。